当数据量达到一定程度，单机的处理能力会无法达到性能的要求，采用并行计算，并利用多台服务器进行分布式处理可能会提升数据处理的速度，达到性能要求。然而如果使用不当，并行处理可能并不会提升处理的速度。这篇博客介绍了Dask中关于并行处理的一些效率方面的建议，尽管是针对Dask的说明，但对于所有的并行处理来说都是适用的。
TensorFlow中常见的错误解释及解决方法
深度学习卷积操作的维度计算（PyTorch/Tensorflow等框架中Conv1d、Conv2d和Conv3d介绍）
BPR：面向隐式反馈数据的贝叶斯个性化排序
Hive的常用语法
深度学习之GRU神经网络
IE6的兼容问题
网络爬虫需要掌握的基础知识
关于border
使用卷积神经网络进行手写识别
123
Dirichlet Distribution（狄利克雷分布）与Dirichlet Process（狄利克雷过程）
贝塔分布（Beta Distribution）简介及其应用
使用R语言进行K-means聚类并分析结果
回归模型中的交互项简介（Interactions in Regression）
矩母函数简介（Moment-generating function）
stata 用outreg2输出回归结果
H5文件简介和使用
普通最小二乘法（Ordinary Least Squares，OLS）的详细推导过程
Generative Adversarial Networks 生成对抗网络的简单理解
Wishart分布简介